1. Pemrosesan Paralel

Click here to load reader

  • date post

    04-Apr-2018
  • Category

    Documents

  • view

    219
  • download

    0

Embed Size (px)

Transcript of 1. Pemrosesan Paralel

  • 7/30/2019 1. Pemrosesan Paralel

    1/23

    1

    Pokok Bahasan 1

    Konsep Pemrosesan Paralel

  • 7/30/2019 1. Pemrosesan Paralel

    2/23

    2

    Learning Outcomes

    Pada akhir pertemuan ini diharapkan mahasiswaakan dapat:

    menyebutkan sebab pemrosesan paralel dilakukan

    menjelaskan istilah-istilah yang sering digunakan

    dalam pemrosesan paralel menjelaskan kompleksitas waktu, speed-up, cost,

    dan efisiensi pemrosesan paralel

    memperkirakan unjuk kerja (performance) dari

    sebuah pemrosesan paralel sederhana.

  • 7/30/2019 1. Pemrosesan Paralel

    3/23

    3

    Mengapa menggunakan pemrosesan paralel?

    Fenomena Alam

    Observasi

    Hypotesis

    Percobaanfisik

    Komputasinumerik

    (simulasi)

    Teori

    PercobaanuntukPembuktian

    Perkembangan Science dan Komputasi Numerik

  • 7/30/2019 1. Pemrosesan Paralel

    4/23

    4

    12 lapisan

    4096 daerah

    1024

    daerah

    Total sel: 50 juta sel tiga dimensi.Untuk simulasi 10 menit memerlukan 30 milyar perhitungan.

    Padahal diperlukan simulasi perioda 1 tahun.

    Simulasi perambatan panas pada

    Belahan bumi Selatan

    Mengapa menggunakan pemrosesan paralel?

  • 7/30/2019 1. Pemrosesan Paralel

    5/23

    5

    Model interaksi protein dengan air:Simulasi 1 pico detik, dengan Cray X/MPmemerlukan waktu 1jam.

    Padahal diperlukan simulasi untuk 1 detik.

    Dengan computer dan algoritma yang samadiperlukanwaktu 31 688 tahun untuk simulasi 1 detik.

    Protein

    Mengapa menggunakan pemrosesan paralel?

  • 7/30/2019 1. Pemrosesan Paralel

    6/23

    6

    Mengapa menggunakan pemrosesan paralel?

    Application trends

  • 7/30/2019 1. Pemrosesan Paralel

    7/23

    7

    Mengapa menggunakan pemrosesan paralel?

    Kecepatan cahaya merupakan batas kecepatan gerak

    C = 3 x 10

    10

    cm/s

    Kecepatan proses

    1011 data/s

    Data input:

    N data

    Data output:

    1011

    data

    3 cmInput: Output:

    harapan

    Prosesor:

    Kecepatan proses

    1011 data/s

    Data input:

    N data

    Data output:

    1010 data

    3 cmInput: Output:

    kenyataan

    Prosesor:

    Terbatasnya kecepatan transmisi data akan membatasi jumlah data yang

    diproses meskipun telah diggunakan prosesor dengan kecepatan tinggi.

    dalam 1 detik

  • 7/30/2019 1. Pemrosesan Paralel

    8/23

    8

    Mengapa menggunakan pemrosesan paralel?

    Kecepatan proses

    tiap prosesor:

    1011 data/s1010 data

    1010 data

    1010 data

    1010 data

    1010 data

    1010 data

    1

    2

    3

    4

    5

    total data dalam 1 detik:1010 x 10 = 1011 data

    Kita gunakan

    pemrosesan

    paralel.

    Lebih dari satu

    prosesor yang

    bekerja,

    sehingga

    batasantransmisi data

    tersebut bisa

    diatasi.Datanya banyak sekali, dankita perlu kecepatan tinggi.

    Bagaimana ini?

    6

    7

    8

    910

    1010 data

    1010 data

    1010 data

    1010 data

    data

    data

    data

    datadata

    data

    data

    data

    datadata

  • 7/30/2019 1. Pemrosesan Paralel

    9/23

    9

    Parallel Processing (pemrosesan paralel):Pemrosesan informasi yang menitik beratkan padamanipulasi / pengolahan yang dilakukan pada waktuyang sama atas data dari sebuah proses atau lebihuntuk menyelesaikan satu masalah.

    Parallel Computer:Multiple processor dalam sebuah computer yangmampu melaksanakan parallel processing.

    Super Computer:

    General purpose computer yang mampumenyelesaikan sebuah permasalahan dalam waktu yangsangat cepat dibanding dengan computer yang adapada waktu tersebut.

    Istilah

  • 7/30/2019 1. Pemrosesan Paralel

    10/23

    10

    Istilah

    P1 P2 P3 P4

    mulai

    komunikasi

    komputasi

    komunikasi

    sinkronisasi

    akhir

    komunikasi serial

    mulai

    akhir

  • 7/30/2019 1. Pemrosesan Paralel

    11/23

    11

    Istilah

    Troughput:Produk yang dihasilkan persatuan waktuolehsuatu sistem proses.

    Ouput:Produk yang dihasilkan oleh suatu sistemproses.

    Input:

    Masukan (data) yang akan diproses padasuatu sistem.

    Scalable Parallel:Suatu sistem paralel prosesor dimanapenambahan prosesor akan berakibat naiknyaspeedup sistem secara proporsional.

  • 7/30/2019 1. Pemrosesan Paralel

    12/23

    12

    Big-Oh

    012

    21

    1-kk

    k aaa...aa)T(

    nnnnn k

    maka big-Oh dari T(n) adalah : )(k

    nO

    3n2)T( nn

    maka big-Oh dari T(n) adalah : )2(n

    O

    T(n) adalah fungsi yang diturunkan dari algoritma

    yang akan diukur Big-Oh nya, dan n adalah

    variabel dalam algoritma yang paling dominan

    dalam menentukan persamaan tersebut.

    Untuk persamaan

    Dan untuk

  • 7/30/2019 1. Pemrosesan Paralel

    13/23

    13

    Kompleksitas waktu

    Kompleksitas waktu:

    Adalah Big-Ohdari persamaan dengan variabel yangdominan dalam algoritma, persamaan ini menyatakanjumlah langkah yang harus dilalui oleh algoritmatersebut pada kondisi terjelek.

    beginfor (i = 0 ; i < m ; i++)

    for(j = 0 ; j < n ; j++){ p[i, j] = q[i, j] + r[i, j];

    }end

    Variabel yang dominan: m dan nKompleksitas waktu: O(mn)

    n kali m kali

  • 7/30/2019 1. Pemrosesan Paralel

    14/23

    14

    Kompleksitas waktu

    SUM (EREW PRAM)

    Initial condition: List of n >= 1 elements stored in A[0 . . . . . (n-1)]

    Final condition: Sum of elements stored in A[0]

    Gobal variables: n, A[0 . . . . . (n-1)], j

    beginspawn(P0, P1, P2, . . . P((n/2)-1)

    for all Pi where 0

    i

    [n/2]-1 dofor j 0 to [log n] 1 doif i modulo 2j = 0 and 2i + 2j < n then

    A[2i] A[2i] + A[2i + 2j]

    endifendfor

    endforend

    log (n/2)

    Konstan dan bukan loop

    log (n)

    konstan

    T(n) = log(n/2) + konstan + konstan x log(n)

    Kompleksitas waktu = O(log n)

  • 7/30/2019 1. Pemrosesan Paralel

    15/23

    15

    Kompleksitas waktu

    Lower Bound:Adalah kompleksitas waktu tercepat secara

    teoritis yangbisa dicapai oleh suatu algoritma.

    Upper Bound:

    Adalah kompleksitas waktu tercepat yang

    dapat dicapai oleh pembuat algoritma.

  • 7/30/2019 1. Pemrosesan Paralel

    16/23

    16

    Speed-up

    Kecepatan

    penyeles

    aian

    Jumlah pekerja

    Secara intuisi, dapat dirasakan dalam sehari-hari bahwa jumlah pekerja

    (prosesor) makin banyak, tidak selalu menjamin bahwa waktu

    penyelesaian menjadi makin cepat. Cara pelaksanaan (algoritma) danjugajenis pekerjaan sangat menentukan kondisi tersebut.

    8 prosesor sedang bekerja paralel,

    maka masing2 prosesor mempunyaikemungkinan: menjalani komputasi,

    komunikasi, dan nganggur (idle).

  • 7/30/2019 1. Pemrosesan Paralel

    17/23

    17

    Speed-up

    Speedup:Perbandingan antara waktu yang diperlukan oleh skwensial algoritma yang

    paling efisien dengan waktu untuk algoritma yang sama tapi dijalankan pada

    computer dengan pipeline atau dan data parallel

    Speedup =waktu penyelesaian skwensial

    waktu penyelesaian paralel

  • 7/30/2019 1. Pemrosesan Paralel

    18/23

    18

    Speed-up

    Speedup =Kompleksitas waktu skwensial

    Kompleksitas waktu paralel

    Dengan dipahaminya konsep kompleksitas waktu,

    maka speedup dapat ditentukan juga dari perbandingan

    kompleksitas waktu algoritma terbaik untuk skwensial

    dengan kompleksitas waktu algoritma paralel untuk

    kasus yang sama.

  • 7/30/2019 1. Pemrosesan Paralel

    19/23

    19

    Hukum Ahmdahl

    HukumAhmdahl:

    S

    1

    f +1 - f

    p

    S = speedup

    f = bagian proses yang harus dilakukan secara skwensial

    0 f 1

    p = jumlah prosesor

  • 7/30/2019 1. Pemrosesan Paralel

    20/23

    20

    Hukum Ahmdahl

    S 1

    f +1 - f

    p

  • 7/30/2019 1. Pemrosesan Paralel

    21/23

    21

    Yang dimaksud dengan cost disini adalah suatu nilai yangdiperolehdari perkalian antara jumlah prosesor yang

    digunakan dengan kompleksitas waktu dari algoritma

    paralel yang dipakai.

    Cost = jumlah prosesor x kompleksitas waktu paralel

    Cost disebut optimal jika nilainya mempunyai order sama

    dengan lower bound kompleksitas waktu algoritma

    skwensialnya.

    Cost

  • 7/30/2019 1. Pemrosesan Paralel

    22/23

    22

    Efisiensi

    Jika optimal cost sulit dicari karena lower bound

    kompleksitas waktu skwensial tidak diketahui, maka bisa

    digunakan nilai efisiensi untuk mengevaluasi cost.

    Efisiensi =Kompleksitas waktu skwensial yang diketahui

    cost

    Jika efisiensi > 1, maka menggunakan single prosesor

    bisa lebih cepat (cost tidak optimal). Jika efisiensi = 1,

    cost masih diragukan. Cost optimal jika efisiensi

  • 7/30/2019 1. Pemrosesan Paralel

    23/23

    23

    RESUME

    Kompleksitas waktu, speed-up, cost, dan efisiensi dalampemrosesan paralel.

    Kinerja (performance) sebuah pemrosesan paralel menggunakan

    hukum Ahmdahl dan pengertian cost.

    Telah dibahas:

    Mengapa harus menggunakan pemrosesan paralel

    Istilah-istilah yang sering digunakan pada pemrosesan paralel